CN106408204A - 一种基于多源数据融合的厂站不良数据检测方法及装置 - Google Patents

Abstract

本发明涉及一种基于多源数据融合的厂站不良数据检测方法及装置，属于计算机软件与电力系统自动化技术领域。本发明基于变电站的稳态数据，构建变电站相应数据辨识主体的检测模型；根据所构建的不同数据辨识主体的检测模型，制定相应不良数据检测模型的辨识规则；融合PMU动态数据，利用辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断，以确定量测值和或状态量的品质及估计值。本发明根据变电站的稳态数据构建变电站不良数据检测模型；融合变电站PMU动态数据，构建变电站不良数据校验与评估机制；从而实现覆盖变电站设备量测、设备状态的不良数据的自动检测和状态估计，提高了厂站端数据上送的准确性。

Description

一种基于多源数据融合的厂站不良数据检测方法及装置

技术领域

本发明涉及一种基于多源数据融合的厂站不良数据检测方法及装置，属于计算机软件与电力系统自动化技术领域。

背景技术

由于电力系统中获得实时数据各个环节的误差，使得调度中心获得的实时数据是低精度、不完整、偶尔还有不良数据的生数据。传统的做法是调度中心通过状态估计对这些数据进行梳理，使之能够反映系统真实情况，但由于传送到调度中心的信息量的局部冗余度不足，通过传统状态估计模型和算法的改进已无法从根本上解决调度中心自动化技术数据的可靠性问题、拓扑错误等导致的集中式状态估计不可用问题。因此迫切需要厂站端实现不良数居检测功能，以屏蔽坏数据、生数据，保证厂站端上送数据的准确可靠。

发明内容

本发明的目的是提供一种基于多源数据融合的厂站不良数据检测方法及装置，以解决目前上述厂站端上送数据准确性低的问题。

本发明为解决上述技术问题而提供一种基于多源数据融合的厂站不良数据检测方法，该检测方法包括以下步骤：

1)基于变电站的稳态数据，构建变电站相应数据辨识主体的检测模型；

2)根据所构建的不同数据辨识主体的检测模型，制定相应不良数据检测模型的辨识规则；

3)融合PMU动态数据，利用步骤2)中的辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断，以确定量测值和或状态量的品质及估计值。

进一步地，所述的数据辨识主体至少包括厂站、母线、主变和间隔中的一项，当数据辨识主体为厂站时，其检测模型包括有功功率平衡检测模型和无功功率检测模型；当数据辨识主体为母线时，其对应的检测模型包括有功功率平衡检测模型和无功功率平衡检测模型；当数据辨识主体为间隔时，其对应的检测模型包括有功检测、无功检测、功率因数检测和设备状态检测；当数据辨识主体为主变时，其对应的检测模型为有功功率平衡检测模型和无功功率平衡检测模型。

进一步地，当数据辨识主体为厂站、母线和或主变时，其对应的不良数据有功平衡检测模型和无功平衡检测模型的辨识规则分别为：

其中P_i为进线有功功率，Q_i为进线无功功率，n为进线个数；

当数据辨识主体为间隔时，其对应的不良数据有功检测模型、无功检测模型、功率因数检测模型和设备状态检测模型的辨识规则分别为：

|(P-(U_a*I_a*cosφ+U_b*I_b*cosφ+U_c*I_c*cosφ))|＜0.02

S＝＝0&&I<1||S＝＝1&&U>1

其中，P为间隔有功率，Q为间隔无功功率，cosφ为间隔功率因数，U_a为间隔A相电压，U_b为间隔B相电压，U_c为间隔C相电压，I_a为间隔A相电流，I_b为间隔B相电流，I_c为间隔C相电流；S表示开关，S＝＝0即开关分位；I表示线路电流，I<1即线路无流；U表示线路电压，U>1即线路有压；&&表示逻辑与，||表示逻辑或。

进一步地，所述步骤3)的判断过程如下：

A.根据步骤2)中的规则，判断相应数据辨识主体的检测模型的稳态数据是否异常；

B.若异常，则获取与上述稳态数据相对应的PMU动态数据，并将该PMU动态数据带入相应的不良数据检测模型辨识规则中，判断是否满足所设定规则，若满足，则说明上述稳态数据为不合理数据，且与该稳态数据对应PMU动态数据为该稳态数据的估计值。

进一步地，该方法还包括将变电站稳态数据、动态数据、数据检测结果、检测模型及限值在内进行展示的步骤。

本发明还提供了一种基于多源数据融合的厂站不良数据检测装置，该检测装置包括，检测模型构建模块、辨识规则制定模块和判断模块，

所述的检测模型构建模块用于根据变电站的稳态数据，构建变电站相应数据辨识主体的检测模型；

所述的辨识规则制定模块用于根据所构建的不同数据辨识主体的检测模型，制定相应不良数据检测模型的辨识规则；

所述的判断模块用于融合PMU动态数据，利用辨识规则制定模块中的辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断，以确定量测值和或状态量的品质及估计值。

进一步地，所述检测模型构建模块中的数据辨识主体至少包括厂站、母线、主变和间隔中的一项，当数据辨识主体为厂站时，其检测模型包括有功功率平衡检测模型和无功功率检测模型；当数据辨识主体为母线时，其对应的检测模型包括有功功率平衡检测模型和无功功率平衡检测模型；当数据辨识主体为间隔时，其对应的检测模型包括有功检测、无功检测、功率因数检测和设备状态检测；当数据辨识主体为主变时，其对应的检测模型为有功功率平衡检测模型和无功功率平衡检测模型。

进一步地，当数据辨识主体为厂站、母线和或主变时，其对应的不良数据有功平衡检测模型和无功平衡检测模型的辨识规则分别为：

其中P_i为进线有功功率，Q_i为进线无功功率，n为进线个数；

当数据辨识主体为间隔时，其对应的不良数据有功检测模型、无功检测模型、功率因数检测模型和设备状态检测模型的辨识规则分别为：

|(P-(U_a*I_a*cosφ+U_b*I_b*cosφ+U_c*I_c*cosφ))|＜0.02

S＝＝0&&I<1||S＝＝1&&U>1

其中，P为间隔有功率，Q为间隔无功功率，cosφ为间隔功率因数，U_a为间隔A相电压，U_b为间隔B相电压，U_c为间隔C相电压，I_a为间隔A相电流，I_b为间隔B相电流，I_c为间隔C相电流；S表示开关，S＝＝0即开关分位；I表示线路电流，I<1即线路无流；U表示线路电压，U>1即线路有压；&&表示逻辑与，||表示逻辑或。

进一步地，所述判断模块的判断过程如下：

A.用于根据辨识规则制定模块中的规则，判断相应数据辨识主体的检测模型的稳态数据是否异常；

B.若异常，则获取与上述稳态数据相对应的PMU动态数据，并将该PMU动态数据带入相应的不良数据检测模型辨识规则中，判断是否满足所设定规则，若满足，则说明上述稳态数据为不合理数据，且与该稳态数据对应PMU动态数据为该稳态数据的估计值。

进一步地，该装置还包括将变电站稳态数据、动态数据、数据检测结果、检测模型及限值在内进行展示的模块。

本发明的有益效果是:本发明基于变电站的稳态数据，构建变电站相应数据辨识主体的检测模型；根据所构建的不同数据辨识主体的检测模型，制定相应不良数据检测模型的辨识规则；融合PMU动态数据，利用辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断，以确定量测值和或状态量的品质及估计值。本发明根据变电站的稳态数据构建变电站不良数据检测模型；融合变电站PMU(相量量测单元)动态数据，构建变电站不良数据校验与评估机制；从而实现覆盖变电站设备量测、设备状态的不良数据的自动检测和状态估计，提高了厂站端数据上送的准确性。

附图说明

图1是本发明厂站不良数据检测装置的构成图；

图2是本发明所采用的不良数据检测模型构成图；

图3是本发明厂站不良数据检测方法的流程图；

图4是检测模型单元配置图；

图5是检测模型参数设置图；

图6是PMU动态数据映射配置图；

图7是不良数据检测可视化展示图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的说明。

本发明基于多源数据融合的厂站不良数据检测方法的实施例

本发明基于变电站的稳态数据，构建变电站相应数据辨识主体的检测模型；根据所构建的不同数据辨识主体的检测模型，制定相应不良数据检测模型的辨识规则；融合PMU动态数据，利用辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断，以确定量测值和或状态量的品质及估计值，该方法的具体实现过程如下。

1.构建不良数据检测模型。

利用变电站数据采集的冗余性，深度挖掘多源数据之间的内在联系，构建基于稳态数据的辨识模型；分别以厂站、母线、主变及间隔为数据辨识主体，构建相应的辨识模型组合，如图2所示。对于厂站而言，其对应的辨识模型为功率平衡模型；对于母线而言，其对应的辨识模型包括无功功率平衡模型和有功功率平衡模型；对于间隔而言，对应的辨识模型包括无功检测模型、有功检测模型、功率因数检测模型和设备状态检测模型；对于主变而言，其对应的主变模型包括无功功率平衡模型和有功功率平衡模型。

2.根据辨识主体不同的辨识单元，制定相应的辨识规则。

本发明根据辨识主体不同的业务单元制定检测模型辨识规则，本实施例中的辨识主体包括厂站、母线、主变及间隔，下面分别针对这几种辨识主体的检测模型辨识规则进行说明。

对于厂站而言，其对应的业务单元包括有功功率平衡和无功功率平衡，本实施例中的制定的有功功率平衡和无功功率平衡模型的辨识规则分别为：

其中P_i为进线有功功率，Q_i为进线无功功率，(i＝0,1,2……n)。若变电站中对应的稳态数据满足上述规则，则说明数据正常。

对于母线而言，其对应的业务单元包括有功功率平衡和无功功率平衡，本实施例中的制定的有功功率平衡和无功功率平衡模型的辨识规则分别为：

其中P_i为以所有母线为检测单元的进线有功功率，Q_i为以所有母线为检测单元的进线无功功率，(i＝0,1,2……n)。若变电站中对应的稳态数据满足上述规则，则说明数据正常。

对于主变而言，其对应的业务单元包括有功功率平衡和无功功率平衡，本实施例中的制定的有功功率平衡和无功功率平衡模型的辨识规则分别为：

其中P_i为进线有功功率，Q_i为进线无功功率，(i＝0,1,2……n)。

对于间隔而言，其对应的业务单元包括有功检测、无功检测、功率因数检测和设备状态检测，针对上述业务单元，本实施例中的制定的有功检测模型、无功检测模型、功率因数检测模型和设备状态检测模型的辨识规则分别为：

|(P-(U_a*I_a*cosφ+U_b*I_b*cosφ+U_c*I_c*cosφ))|＜0.02

S＝＝0&&I<1||S＝＝1&&U>1(即开关分位无流，合位有压)

其中，P为间隔有功率，Q为间隔无功功率，cosφ为间隔功率因数，U_a为间隔A相电压，U_b为间隔B相电压，U_c为间隔C相电压，I_a为间隔A相电流，I_b为间隔B相电流，I_c为间隔C相电流；S表示开关，S＝＝0即开关分位；I表示线路电流，I<1即线路无流；U表示线路电压，U>1即线路有压；&&表示逻辑与，||表示逻辑或。若变电站中对应的稳态数据满足上述规则，则说明数据正常。

具体地，本发明制定的各检测模型辨识规则如表1所示。

表1

3.融合动态数据，根据步骤2所建立的辨识规则对量测值和状态量进行辨识校验和评估。

在确定检测单元合理性的基础上，本发明融合PMU动态数据，对参与辨识单元计算的量测值和状态量的准确性进行分析，确定量测值和状态量的品质及估计值。

假如接入监控的某测点有三份冗余数据，分别为：A，常规直采数据；B，其他采样数据可得到A的计算表达式；C，同步相量数据；则当A不等于B时，若C＝A，则认为B包含不良数据，且B中测点用相应的动态数据替代能使A＝B时，则被替代的测点为不良数据，相应的动态数据为其估计值；若C＝B，则认为A包含不良数据，且A中测点用相应的动态数据替代能使A＝B时，则被替代的测点为不良数据，相应的动态数据为其估计值。

以间隔有功检测为例，当检测异常时，即对应的间隔有功检测模型不满足时，其对应的校验流程如下：由PMU获取P相应的动态数据有功功率Pc，若P不等于Pc，将Pc带入该有功检测模型，判断是否满足检测模型要求，若满足，则P为不合理数据，且Pc为P的估计值；若P＝Pc，则依次获取Ua、Ia、Ub、Ib、Uc、Ic、相应的动态数据；若表达式成立，则被代入的测点均为不合理数据，代入的动态数据为其估计值；若全部代入表达式仍不成立，则无法确定不合理数据及提供估计值。

当间隔设备状态检测异常时，即不满足间隔状态检测模型，其校验流程如下：

1)由PMU获取与间隔设备开关S、间隔电流I和间隔电压U相对应的动态数据Sc、Ic和Uc，并判断稳态开关状态数据S是否与之对应的动态开关状态数据Sc相等；

2)若不等，并且Ic>0.03或者Uc<0.03，则S为不合理数据，且Sc为S的估计值；

3)若S＝Sc，并且Ic>0.03或者Uc<0.03，则I、U为不合理数据，且Ic、Uc分别为I、U的估计值。

当母线、厂站和或主变功率平衡检测异常时，即不满足其对应的有功功率平衡检测模块或无功功率检测模块，以有功功率平衡为例，其校验流程如下：

1)由PMU获取与P0～Pn相对应的动态数据P0c～Pnc；

2)判断稳态功率数据是否与之对应的动态功率数据相等，若不等，即Pic不等于Pi时，将Pic带入有功功率平衡检测模型，若带入的Pic能够满足有功功率检测模型，则稳态有功功率数据Pi为不合理数据，且相应的动态有功功率数据Pic为其估计值。

具体地，本发明所采用的校验原理和流程如表2所示。

表2

本发明基于多源数据融合的厂站不良数据检测装置的实施例

本发明的检测装置包括检测模型构建模块、辨识规则制定模块和判断模块，检测模型构建模块用于根据变电站的稳态数据，构建变电站相应数据辨识主体的检测模型；辨识规则制定模块用于根据所构建的不同数据辨识主体的检测模型，制定相应不良数据检测模型的辨识规则；判断模块用于融合PMU动态数据，利用辨识规则制定模块中的辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断，以确定量测值和或状态量的品质及估计值。各模块的具体实现手段已在方法的实施例中进行了详细说明，这里不再赘述。

在具体实施过程中，本发明使用不良数据检测模型配置工具，完成厂站、间隔、主变、母线等辨识对象的检测模型单元的配置及检测模型参数设置，具体配置流程如图4与图5所示。根据厂站现场测控装置与PMU装置的部署，配置PMU装置动态数据与测控装置稳态数据的映射关系，如图6所示。此外，本发明还依托变电站图形组态工具，定制专业的数据辨识结果展示页面，以实现包括变电站稳态数据、动态数据、差值、数据检测结果、检测模型及限值在内的实时展示，如图7所示。

本发明能够实现覆盖变电站设备量测、设备状态的不良数据的自动检测、发现、告警、品质标识、状态估计，并实现了变电站全站不良数据检测结果的可视化展示，提高变电站向调度中心上送数据的准确性。

Claims (10)

1.一种基于多源数据融合的厂站不良数据检测方法，其特征在于，该检测方法包括以下步骤：

1)基于变电站的稳态数据，构建变电站相应数据辨识主体的检测模型；

2)根据所构建的不同数据辨识主体的检测模型，制定相应不良数据检测模型的辨识规则；

3)融合PMU动态数据，利用步骤2)中的辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断，以确定量测值和或状态量的品质及估计值。

2.根据权利要求1所述的基于多源数据融合的厂站不良数据检测方法，其特征在于，所述的数据辨识主体至少包括厂站、母线、主变和间隔中的一项，当数据辨识主体为厂站时，其检测模型包括有功功率平衡检测模型和无功功率检测模型；当数据辨识主体为母线时，其对应的检测模型包括有功功率平衡检测模型和无功功率平衡检测模型；当数据辨识主体为间隔时，其对应的检测模型包括有功检测、无功检测、功率因数检测和设备状态检测；当数据辨识主体为主变时，其对应的检测模型为有功功率平衡检测模型和无功功率平衡检测模型。

3.根据权利要求2所述的基于多源数据融合的厂站不良数据检测方法，其特征在于，当数据辨识主体为厂站、母线和或主变时，其对应的不良数据有功平衡检测模型和无功平衡检测模型的辨识规则分别为：

$\left|\underset{i=0}{\overset{n}{\&Sigma;}}\left(P_i\right)\right|<20$

$\left|\underset{i=0}{\overset{n}{\&Sigma;}}\left(Q_i\right)\right|<30$

其中P_i为进线有功功率，Q_i为进线无功功率，n为进线个数；

当数据辨识主体为间隔时，其对应的不良数据有功检测模型、无功检测模型、功率因数检测模型和设备状态检测模型的辨识规则分别为：

|(P-(U_a*I_a*cosφ+U_b*I_b*cosφ+U_c*I_c*cosφ))|＜0.02

$\left|(Q-(U_a*I_a+U_b*I_b+U_c*I_c)*\sqrt{1-cos\mathrm{\&phi;}*cos\mathrm{\&phi;}})\right|/Q<0.02$

$\left|(cos\mathrm{\&phi;}-P/\sqrt{\left(P*P+Q*Q\right)})\right|/cos\mathrm{\&phi;}<0.02$

S＝＝0&&I<1||S＝＝1&&U>1

其中，P为间隔有功率，Q为间隔无功功率，cosφ为间隔功率因数，U_a为间隔A相电压，U_b为间隔B相电压，U_c为间隔C相电压，I_a为间隔A相电流，I_b为间隔B相电流，I_c为间隔C相电流；S表示开关，S＝＝0即开关分位；I表示线路电流，I<1即线路无流；U表示线路电压，U>1即线路有压；&&表示逻辑与，||表示逻辑或。

4.根据权利要求1所述的基于多源数据融合的厂站不良数据检测方法，其特征在于，所述步骤3)的判断过程如下：

A.根据步骤2)中的规则，判断相应数据辨识主体的检测模型的稳态数据是否异常；

B.若异常，则获取与上述稳态数据相对应的PMU动态数据，并将该PMU动态数据带入相应的不良数据检测模型辨识规则中，判断是否满足所设定规则，若满足，则说明上述稳态数据为不合理数据，且与该稳态数据对应PMU动态数据为该稳态数据的估计值。

5.根据权利要求1所述的基于多源数据融合的厂站不良数据检测方法，其特征在于，该方法还包括将变电站稳态数据、动态数据、数据检测结果、检测模型及限值在内进行展示的步骤。

6.一种基于多源数据融合的厂站不良数据检测装置，其特征在于，该检测装置包括，检测模型构建模块、辨识规则制定模块和判断模块，

所述的检测模型构建模块用于根据变电站的稳态数据，构建变电站相应数据辨识主体的检测模型；

所述的辨识规则制定模块用于根据所构建的不同数据辨识主体的检测模型，制定相应不良数据检测模型的辨识规则；

所述的判断模块用于融合PMU动态数据，利用辨识规则制定模块中的辨识规则对参与辨识主体的检测模型计算的量测值和或状态量的准确性进行判断，以确定量测值和或状态量的品质及估计值。

7.根据权利要求6所述的基于多源数据融合的厂站不良数据检测装置，其特征在于，所述检测模型构建模块中的数据辨识主体至少包括厂站、母线、主变和间隔中的一项，当数据辨识主体为厂站时，其检测模型包括有功功率平衡检测模型和无功功率检测模型；当数据辨识主体为母线时，其对应的检测模型包括有功功率平衡检测模型和无功功率平衡检测模型；当数据辨识主体为间隔时，其对应的检测模型包括有功检测、无功检测、功率因数检测和设备状态检测；当数据辨识主体为主变时，其对应的检测模型为有功功率平衡检测模型和无功功率平衡检测模型。

8.根据权利要求7所述的基于多源数据融合的厂站不良数据检测装置，其特征在于，当数据辨识主体为厂站、母线和或主变时，其对应的不良数据有功平衡检测模型和无功平衡检测模型的辨识规则分别为：

$\left|\underset{i=0}{\overset{n}{\&Sigma;}}\left(P_i\right)\right|<20$

$\left|\underset{i=0}{\overset{n}{\&Sigma;}}\left(Q_i\right)\right|<30$

其中P_i为进线有功功率，Q_i为进线无功功率，n为进线个数；

当数据辨识主体为间隔时，其对应的不良数据有功检测模型、无功检测模型、功率因数检测模型和设备状态检测模型的辨识规则分别为：

|(P-(U_a*I_a*cosφ+U_b*I_b*cosφ+U_c*I_c*cosφ))|＜0.02

$\left|(Q-(U_a*I_a+U_b*I_b+U_c*I_c)*\sqrt{1-cos\mathrm{\&phi;}*cos\mathrm{\&phi;}})\right|/Q<0.02$

$\left|(cos\mathrm{\&phi;}-P/\sqrt{\left(P*P+Q*Q\right)})\right|/cos\mathrm{\&phi;}<0.02$

S＝＝0&&I<1||S＝＝1&&U>1

其中，P为间隔有功率，Q为间隔无功功率，cosφ为间隔功率因数，U_a为间隔A相电压，U_b为间隔B相电压，U_c为间隔C相电压，I_a为间隔A相电流，I_b为间隔B相电流，I_c为间隔C相电流；S表示开关，S＝＝0即开关分位；I表示线路电流，I<1即线路无流；U表示线路电压，U>1即线路有压；&&表示逻辑与，||表示逻辑或。

9.根据权利要求6所述的基于多源数据融合的厂站不良数据检测装置，其特征在于，所述判断模块的判断过程如下：

A.用于根据辨识规则制定模块中的规则，判断相应数据辨识主体的检测模型的稳态数据是否异常；

B.若异常，则获取与上述稳态数据相对应的PMU动态数据，并将该PMU动态数据带入相应的不良数据检测模型辨识规则中，判断是否满足所设定规则，若满足，则说明上述稳态数据为不合理数据，且与该稳态数据对应PMU动态数据为该稳态数据的估计值。

10.根据权利要求6所述的基于多源数据融合的厂站不良数据检测装置，其特征在于，该装置还包括将变电站稳态数据、动态数据、数据检测结果、检测模型及限值在内进行展示的模块。